JavaでASCIIの制御文字を置換する3つの方法

2019年11月11日2024年1月24日

URLをコピーしました！

今までJavaに関する記事を投稿したことはありませんが、仕事で少しだけ文字コードの変換を行う際に使いましたので、記事にしたいと思います。
何分、Javaに関しては初心者ですので、誤り等ありましたらご指摘の程よろしくお願い致します。
今回はASCII制御文字を置換する方法について紹介します。

1. 正規表現を利用した置換方法

特定の文字を単純に指定した文字に置換するだけなら、文字列（String）に対してreplaceAll()を利用して1行で済みます。

1	str.replaceAll("\p{C}", "");

Stack OverflowにQ&Aがありましたので、そのまま引用しています。

Stack Overflow

How can I replace non-printable Unicode characters in Java? The following will replace ASCII control characters (shorthand for [\x00-\x1F\x7F]): my_string.replaceAll(“\\p{Cntrl}”, “?”); The following will replace all ASC…

この正規表現「p{C}」（先頭のバックスラッシュ””はエスケープです）は、ASCII制御文字である「0x00〜0x1F」を削除します。
詳しい正規表現はこちらをご覧ください。

2. 1文字ずつ判定して置換する方法

以下のコードは、文字列（String）を1文字ずつループし、文字コードがASCII制御文字かどうかを判定して置換します。
最終的に置換後の文字列を返す関数を作って見ました。

public static String replaceControlCharacter(String str) {

if (str == null) {

return str;

}

StringBuffer sb = new StringBuffer();

for (int i = 0; i < str.length(); i++) {

char c = str.charAt(i);

if (c >= 0x00 && c <= 0x1F) {

sb.append("");

} else {

sb.append(c);

}

String result = sb.toString();

return result;

}

コード説明

関数の引数に文字列（String）を渡します。

for文で文字数（str.length()）だけループを回します。
あとは、Char型の変数に格納したも文字をif文でASCII制御文字（0x00〜0x1F）かどうか判定してStringBuffer変数にappend()していきます。

if分の箇所は自由に指定できるので、自由に置換したい文字コードを指定することができます。
最後は、toString()関数で文字列にして返却します。

3. MatcherとPatternクラスを利用する

もう1つは、JavaのMatcherとPatternという便利なクラスを利用します。
以下のサンプルは、クラス変数（Pattern）などに置換対象の文字コードを指定し、Matcherクラスを利用して文字列の中から一致した文字をreplaceAll()関数で置換する方法です。

import java.util.regex.Matcher;

import java.util.regex.Pattern;

・・・

private static final Pattern controlCharacters = Pattern.compile(

"[\u0000-\u001F]");

・・・

public static String replaceControlCharacters(String str) {

Matcher match = controlCharacters.matcher(str);

return match.replaceAll("");

}

コード説明

クラス変数にASCII制御文字のコード範囲を指定します。
そして、matcher()関数の引数に文字列を渡して、変数（Mather）に格納し、最後は1つ目の方法と同じようにreplaceAll()関数を利用して置換して完了です。
こちらが参考サイトです。

まとめ

このように、Javaで文字コードの変換をするのが初めてでしたので、様々なサイトを参考にさせていただきました。
その中で「正規表現を使うと処理が遅い」という情報が多かった気がします。
それを踏まえると2番目の変換方法がオススメです。

そして、ASCII制御文字に0x7F〜0x9F（u007f〜u009f）を含めるかどうかも参考にしたサイトによって異なりました。
1番目のケースで言うと「p{Cc}」のような書き方になります。
この辺りも要件によって異なると思いますので、皆さんのご意見も頂けると幸いです。

プロになるJava―仕事で必要なプログラミングの知識がゼロから身につく最高の指南書

著:きしだなおき, 著:山本裕介, 著:杉山貴章

¥3,212 （2024/04/19 17:03時点 | Amazon調べ）

Amazon

＼楽天ポイント4倍セール！／

楽天市場

＼ポイント5%還元！／

Yahooショッピング

ポチップ

スッキリわかるJava入門第4版スッキリわかるシリーズ

著:中山清喬, 著:国本大悟, 著:株式会社フレアリンク

¥2,911 （2024/04/19 17:03時点 | Amazon調べ）